Модели прогнозирования COVID-19 могут быть неэффективными из-за неполноты данных. Об этом радио Sputnik рассказал доктор физико-математических наук Андрей Леонидов.

По словам учёного, изначально в ходе пандемии удавалось получать достаточно точные прогнозы всплесков и спадов заболеваемости с помощью методов математического моделирования. Однако в дальнейшем ситуация осложнилась, многие параметры изменились.

Например, время от попадания вируса в организм до появления симптомов при заражении штаммом «дельта» отличается от прошлых вариантов. Ещё при первоначальном варианте вируса процент тяжелобольных пациентов и процент госпитализаций был ниже, — сказал эксперт.

По его словам, чтобы математическое прогнозирование оставалось точным, следует раз в неделю обновлять данные, на которых основана модель. При этом исследователям нужно использовать методы, которые учитывают влияние на развитие системы и её меняющихся элементов.

Единственный способ добиться подобного — иметь команду с моделью агентного типа, когда развитие системы определяется свойствами и поведением всех элементов по принципу «снизу вверх».

Не общую, а очень конкретную, в которую всё заложено и в которой бы отслеживались критичные для предсказания параметры, — подчеркнул учёный.

В основании модели должны лежать десятки факторов, в том числе ход вакцинации, перечень мест, наиболее опасных с точки зрения заражения, отметил Леонидов.